生物技术进展２０１９年㊀第９卷㊀第４期㊀３９６~４０３
ＣｕｒｒｅｎｔＢｉｏｔｅｃｈｎｏｌｏｇｙ㊀ＩＳＳＮ２０９５￣２３４１
研究论文
Ａｒｔｉｃｌｅｓ
㊀收稿日期:２０１８￣１２￣１０ꎻ接受日期:２０１９￣０１￣０２
㊀基金项目：国家自然科学基金项目(３１５００１１３)ꎻ广东省自然科学基金项目(２０１６Ａ０３０３１３８００)资助ꎮ
㊀
作者简介：马永凯ꎬ硕士ꎬ研究方向为微生物发酵与功能基因组学ꎮＥ￣ｍａｉｌ:８３６１５６５５５＠ｑｑ.ｃｏｍꎮ∗通信作者：谢小保ꎬ研究员ꎬ研究方
向为有害微生物防控ꎮＥ￣ｍａｉｌ:ｘｉａｏｂａｏｘｉｅ＠１２６.ｃｏｍ
马永凯１ꎬ㊀陶宏兵１ꎬ２ꎬ㊀李文茹１ꎬ㊀谢小保１∗ꎬ㊀施庆珊１ꎬ㊀周少璐１
１.广东省微生物研究所ꎬ华南应用微生物国家重点实验室ꎻ广东省菌种保藏与应用重点实验室ꎬ广州５１００７０ꎻ２.广东迪美生物技术有限公司ꎬ广州５１０６６３
摘㊀要：随着中国涂料行业的高速发展ꎬ水性涂料的需求量与日俱增ꎬ然而对于水性涂料中微生物落结构及其多样性的分析较少ꎮ以广东省某厂家提供的４种不同水性涂料样品(ＹＨ４㊁ＸＪ１㊁ＸＪ２和ＹＨ３)为研究对象ꎬ利用１６ＳｒＲＮＡ高通量测序技术检测并分析其微生物落结构及多样性ꎮ结果表明ꎬ从４个水性涂料样本中共获得有效序列１７１８２２条ꎬ涵盖了３０门６６纲９８目１７４科３４０属的细菌ꎻ物种分类树与微生物组成分析显示变形菌门㊁厚壁菌门与拟杆菌门为优势菌ꎬ其中ꎬ变形菌门在涂料样本ＹＨ４㊁ＸＪ１㊁ＸＪ２和ＹＨ３中的相对丰度分别为９７.７５％㊁６２.５３％㊁９９.７６％和７５.８０％ꎻＢｅｔａ多样性分析表明样本ＹＨ４和ＸＪ２微生物落多样性较为相似ꎮ研究解析了水性涂料中微生物落结构㊁相对丰度及多样性ꎬ对建立和完善水性涂料中微生物防控体系具有一定的指导意义ꎮ关键词:１６ＳｒＲＮＡꎻ高通量测序ꎻ水性涂料ꎻ微生物落ＤＯＩ:１０.１９５８６/ｊ.２０９５￣２３４１.２０１８.０１３５ ＡｎａｌｙｓｉｓｏｆＭｉｃｒｏｂｉａｌＣｏｍｍｕｎｉｔｙＳｔｒｕｃｔｕｒｅａｎｄＤｉｖｅｒｓｉｔｙｉｎＷａｔｅｒｂｏｒｎｅＣｏａｔｉｎｇｓ㊀ＭＡＹｏｎｇｋａｉ１ꎬＴＡＯＨｏｎｇ
ｂｉｎｇ１ꎬ２ꎬＬＩＷｅｎｒｕ１ꎬＸＩＥＸｉａｏｂａｏ１∗ꎬＳＨＩＱｉｎｇｓｈａｎ１ꎬＺＨＯＵＳｈａｏｌｕ１
１.ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＡｐｐｌｉｅｄＭｉｃｒｏｂｉｏｌｏｇｙＳｏｕｔｈｅｒｎＣｈｉｎａꎻＧｕａｎｇｄｏｎｇＰｒｏｖｉｎｃｉａｌＫｅｙＬａｂｏｒａｔｏｒｙｏｆＭｉｃｒｏｂｉａｌＣｕｌｔｕｒｅＣｏｌｌｅｃｔｉｏｎａｎｄＡｐｐｌｉｃａｔｉｏｎꎬＧｕａｎｇｄｏｎｇＩｎｓｔｉｔｕｔｅｏｆＭｉｃｒｏｂｉｏｌｏｇｙꎬＧｕａｎｇｚｈｏｕ５１００７０ꎬＣｈｉｎａꎻ２.ＧｕａｎｇｄｏｎｇＤｅｍａｙＢｉｏｌｏｇｉｃａｌＴｅｃｈｎｏｌｏｇｙＣｏ.Ｌｔｄ.ꎬＧｕａｎｇｚｈｏｕ５１０６６３ꎬＣｈｉｎａ
Ａｂｓｔｒａｃｔ:ＷｉｔｈｔｈｅｒａｐｉｄｄｅｖｅｌｏｐｍｅｎｔｏｆＣｈｉｎｅｓｅｃｏａｔｉｎｇｓｉｎｄｕｓｔｒｙꎬｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｄｅｍａｎｄｉｓｉｎｃｒｅａｓｉｎｇ.Ｈｏｗｅｖｅｒꎬａｎａｌｙｓｉｓｏｆｍｉｃｒｏｂｉａｌｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅａｎｄｄｉｖｅｒｓｉｔｙｉｎｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｗａｓｈａｒｄｌｙｓｅｅｎ.Ｔｈｅｒｅｆｏｒｅꎬｆｏｕｒｄｉｆｆｅｒｅｎｔｋｉｎｄｓｏｆｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓ(ＹＨ４ꎬＸＪ１ꎬＸＪ２ａｎｄＹＨ３)ｐｒｏｖｉｄｅｄｂｙａｍａｎｕｆａｃｔｕｒｅｒｉｎＧｕａｎｇｄｏｎｇｐｒｏｖｉｎｃｅｗｅｒｅｔａｋｅｎａｓｒｅｓｅａｒｃｈｏｂｊｅｃｔｓꎬａｎｄ１６ＳｒＲＮＡｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕ
ｅｎｃｉｎｇｔｅｃｈｎｏｌｏｇｙｗａｓｕｓｅｄｔｏｄｅｔｅｃｔａｎｄａｎａｌｙｚｅｔｈｅｉｒｍｉｃｒｏｂｉａｌｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅａｎｄｄｉｖｅｒｓｉｔｙ.Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔａｔｏｔａｌｏｆ１７１８２２ｅｆｆｅｃｔｉｖｅｔａｇｓｗｅｒｅｏｂｔａｉｎｅｄｆｒｏｍｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓꎬｉｎｃｌｕｄｉｎｇ３０ｐｈｙｌａꎬ６６ｃｌａｓｓｅｓꎬ９８ｏｒｄｅｒｓꎬ１７４ｆａｍｉｌｉｅｓａｎｄ３４０ｇｅｎｅｒａｏｆｂａｃｔｅｒｉａ.ＣｌａｓｓｉｆｉｃａｔｉｏｎｔｒｅｅａｎｄｒｅｌａｔｉｖｅａｂｕｎｄａｎｃｅａｎａｌｙｓｉｓｉｌｌｕｓｔｒａｔｅｄｔｈａｔｔｈｅｄｏｍｉｎａｎｔｍｉｃｒｏｂｉａｌｂａｃｔｅｒｉａａｔｐｈｙｌｕｍｌｅｖｅｌｉｎｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｗｅｒｅＰｒｏｔｅｏｂａｃｔｅｒｉａꎬＦｉｒｍｉｃｕｔｅｓａｎｄＢａｃｔｅｒｏｉｄｅｔｅｓꎬａｎｄａｍｏｎｇｔｈｅｍꎬｒｅｌａｔｉｖｅａｂｕｎｄａｎｃｅｏｆＰｒｏｔｅｏｂａｃｔｅｒｉａｉｎＹＨ４ꎬＸＪ１ꎬＸＪ２ａｎｄＹＨ３ｗｅｒｅ９７.７５％ꎬ６２.５３％ꎬ９９.７６％ａｎｄ７５.８０％ꎬｒｅｓｐｅｃｔｉｖｅｌｙ.ＢｅｔａｄｉｖｅｒｓｉｔｙａｎａｌｙｓｉｓｓｈｏｗｅｄｔｈａｔｔｈｅｍｉｃｒｏｂｉａｌｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅｏｆＹＨ４ａｎｄＸＪ２ｗａｓｒｅｌａｔｉｖｅｌｙｓｉｍｉｌａｒ.Ｔｈｉｓｓｔｕｄｙａｎａｌｙｚｅｄｔｈｅｍｉｃｒｏｂｉａｌｃｏｍｍｕｎｉｔｙｓｔｒｕｃｔｕｒｅꎬｒｅｌａｔｉｖｅａｂｕｎｄａｎｃｅａｎｄｄｉｖｅｒｓｉｔｙｉｎｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓꎬａｎｄｐｒｏｖｉｄｅｄｓｃｉｅｎｔｉｆｉｃｒｅｆｅｒｅｎｃｅｆｏｒｔｈｅｅｓｔａｂｌｉ
ｓｈｍｅｎｔａｎｄｉｍｐｒｏｖｅｍｅｎｔｏｆｍｉｃｒｏｂｉａｌｃｏｎｔｒｏｌｓｙｓｔｅｍｆｏｒｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓ.
Ｋｅｙｗｏｒｄｓ:１６ＳｒＲＮＡꎻｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕｅｎｃｉｎｇꎻｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇꎻｍｉｃｒｏｂｉａｌｃｏｍｍｕｎｉｔｙ
㊀㊀水性涂料是一种较为常见的新型涂料ꎬ一般用水作溶剂或分散介质ꎬ因其来源广㊁成本低㊁无毒无刺激及易清洗等优点而被广泛应用于装饰㊁
船舶㊁汽车等行业ꎮ然而与其他涂料相比ꎬ水性涂料中的水介质以及纤维素㊁环氧树脂等高分子材料也使得其更易受到环境中微生物的污染ꎬ导致
. All Rights Reserved.
产品变质ꎬ出现变㊁异味㊁粘度下降等现象ꎬ这不
仅给经销商增加了退换货的物流㊁人力成本ꎬ也给
生产商造成了不可挽回的经济损失[１~３]ꎮ现阶段ꎬ为了防控水性涂料产品受微生物的侵害ꎬ大部
分厂家采取的措施为提高防腐剂使用量ꎬ但是ꎬ由
于原材料来源㊁操作工艺和生产环境的不同ꎬ不同
厂家的水性涂料产品发生微生物污染的种类有较
大差别[４ꎬ５]ꎮ不同种类的微生物代谢产物导致产品腐败变质的性质与传统防腐剂的有效性息息相关ꎮ因此ꎬ对变质的水性涂料中的微生物落进行检测和全面分析是很有必要的ꎬ同时这对建立水性涂料的微生物防控体系也具有重要的指导意义ꎮ
通过传统的微生物纯培养对水性涂料进行微
生物落组成及多样性分析ꎬ存在工作量较大㊁周
期较长㊁分离所得微生物重要性被过高估计以及
可能遗漏潜在的重要有害污染微生物等缺点ꎮ而
且ꎬ自然界中有一部分微生物种难以被分离纯
培养ꎬ导致传统的微生物纯培养方法在样品落
结构及多样性分析应用方面存在较大局限
性[６~８]ꎮ近年来ꎬ随着高通量测序技术的飞速发展ꎬ测序成本不断降低ꎬ利用Ｉｌｌｕｍｉｎａ公司开发的１６ＳｒＲＮＡ高通量测序技术可以快速㊁准确地获得样本中微生物落组成的结构信息ꎬ通过生物信息学分析还可进一步挖掘出样品中微生物落相互之间的进化规律ꎬ因此能更好的防控样品受到环境中微生物的污染ꎮ此外ꎬ高通量测序技术还可以检测到传统的微生物纯培养方法在实验室条件下不能培养的细菌种[９~１２]ꎬ可见该技术在涂料样品中微生物落结构及多样性分析方面具有广阔的应用前景ꎮ基于此ꎬ本研究以水性涂料中微生物落为研究对象ꎬ对其进行１６ＳｒＲＮＡ高通量测序ꎬ分析落结构组成㊁相对丰度和多样性ꎬ以期明晰水性涂料中微生物落结构组成情况ꎬ为建立水性涂料有效防腐体系提供数据与理论支撑ꎮ
１㊀材料与方法
１.１㊀样品来源
本研究所用的水性涂料样品由广东省某涂料
公司提供ꎬ且这些样品均有一定程度的胀罐㊁异味
等腐败变质现象ꎬ分别被命名为ＸＪ１㊁ＸＪ２㊁ＹＨ３和ＹＨ４ꎬ各设３个平行ꎮ
１.２㊀主要试剂和仪器
ＤＮＡ提取试剂盒㊁ＤＮＡ纯化试剂盒㊁琼脂糖㊁ＴＢＥ缓冲液及ＤＮＡＭａｒｋｅｒ均购于生工生物工程(上海)股份有限公司ꎻ其他生化试剂均为分析纯ꎬ购于广州化学试剂厂ꎮＮａｎｏＤｒｏｐ超微量核酸定量仪(美国赛默飞世尔科技公司)ꎻ超纯水仪(美国Ｍｉｌｌｉｐｏｒｅ公司)ꎻ电泳仪(北京六一生物科技有限公司)ꎮ
１.３㊀ＤＮＡ提取与测序
将４种水性涂料样品分别溶解在灭菌的去离子水中作为各自的样本ꎬ然后按照ＤＮＡ提取试剂盒的操作说明提取总ＤＮＡꎬ并用ＤＮＡ纯化试剂盒纯化已提取的ＤＮＡ样本ꎮ随后ꎬ通过１.０％琼脂糖凝胶电泳验证其完整性ꎬ同时用超微量核酸定量仪检测其浓度及ＯＤ２６０/ＯＤ２８０ꎬ体积为１μＬꎮ将验证过的ＤＮＡ样本于－８０ħ冷冻保存备用ꎬ然后利用广州美格生物科技有限公司的ＩｌｌｕｍｉｎａＭｉＳｅｑ/ＨｉＳｅｑ测序平台对样本中微生物１６ＳｒＲＮＡ基因的Ｖ３￣Ｖ４区(３３６Ｆ￣８０６Ｒ)进行测序分析[１３ꎬ１４]ꎮ１.４㊀数据处理分析
为了保证ＯＴＵ(ｏｐｅｒａｔｉｏｎａｌｔａｘｏｎｏｍｉｃｕｎｉｔｓ)聚类及后续分析的准确性ꎬ需对Ｉｌｌｕｍｉｎａ测序得到的原始数据(ｒａｗｒｅａｄｓ)进行过滤处理ꎬ然后将处理后的数据进行拼接㊁过滤ꎬ得到有效序列(ｅｆｆｅｃｔｉｖｅｔａｇｓ)ꎮ再基于有效数据进行ＯＴＵ聚类和物种分类分析ꎬ形成ＯＴＵ物种丰度谱和其他物种分类等级的物种丰度谱ꎻ同时ꎬ基于数据均一化后的ＯＴ
Ｕ物种丰度谱ꎬ再对ＯＴＵ进行丰度㊁多样性指数等分析ꎬ如Ａｌｐｈａ多样性值㊁Ｂｅｔａ多样性值等ꎬ其中Ａｌｐｈａ多样性值包括物种(ｏｂｓｅｒｖｅｄｓｐｅ￣ｃｉｅｓ)指数㊁Ｃｈａｏ指数㊁香农(Ｓｈａｎｎｏｎ)指数㊁系统发育树(ＰＤｗｈｏｌｅｔｒｅｅ)指数等ꎮ下一步ꎬ对注释在各个分类水平上的物种进行落结构统计分析和基于ＯＴＵ和物种组成的聚类分析(如ＰＣｏＡ等统计分析)ꎬ从而挖掘样品之间的微生物组成差异ꎬ寻与环境显著相关的物种落[１５ꎬ１６]ꎮ
２㊀结果与分析
２.１㊀水性涂料样本测序结果及取样深度验证对水性涂料中微生物１６ＳｒＲＮＡ基因的Ｖ３￣
７９３
马永凯ꎬ等：水性涂料中微生物落结构及其多样性分析. All Rights Reserved.
Ｖ４区(３３６Ｆ￣８０６Ｒ)进行高通量测序的下机数据预处理统计结果如表１所示ꎬ结果表明４个样本原始序列共１７４３９２条ꎬ通过过滤嵌合体㊁筛选掉
低质量的序列后ꎬ得到的有效序列(ｅｆｆｅｃｔｉｖｅｔａｇｓ)为１７１８２２条ꎬ平均测序读长为３７５ｎｔꎮ
表１㊀水性涂料样本的序列信息
Ｔａｂｌｅ１㊀Ｓｅｑｕｅｎｃｅｉｎｆｏｒｍａｔｉｏｎｏｆｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓ.
样品名称原始序列有效序列碱基数目(ｎｔ)平均读长(ｎｔ)
有效序列百分比
ＹＨ４４６００８４４９７７１６９０９２１７３７５.９５９７.７６％ＸＪ１５４３３０５３６９０２０１５２７０１３７５.３５９８.８２％ＸＪ２
４６９００４６２４６１７３８５９０１３７５.９４９８.６１％ＹＨ３
２７１５４
２６９０９
１０１０６３８４
３７５.５８
９９.１０％
㊀㊀为了研究４个涂料样本的物种组成及多样性信息ꎬ对所有样本的全部有效序列在９７％相似度下进行聚类ꎬ形成ＯＴＵꎮ再将得到的ＯＴＵ序列与核糖体ＲＮＡ数据库进行比对获得物种注释信息ꎬ同时基于物种注释信息ꎬ去除注释为叶绿体㊁线粒体以及不能注释为界级别的ＯＴＵ及其包含的序列后ꎬ不同样本的序列㊁ＯＴＵ数目统计结果及其在各分类水平上的序列构成结果如图１Ａ㊁Ｂ所
示ꎮ从图１Ａ可知ꎬ４个样本过滤后得到的拼接序列总数的平均值和最终得到的ＯＴＵ总数的平均值分别为４２９５６㊁３９８ꎮ图１Ｂ表明了不同样本在各分类水平上的序列构成的复杂程度ꎬ可见样品ＹＨ４和ＸＪ２的物种复杂度低于ＸＪ１和ＹＨ３ꎮ
与此同时ꎬ为了探究水性涂料样本测序数据
量的科学性和不同样本反映的样品中物种的丰富程度ꎬ从样本中随机抽取一定测序量的数据ꎬ统计其所代表的物种多样性指数ꎬ以数据量与物种多样性来构建曲线ꎬ结果如图１Ｃ所示ꎬ
表明随着数
图１㊀水性涂料样本１６ＳｒＲＮＡ高通量测序数据分析
Ｆｉｇ.１㊀Ａｎａｌｙｓｉｓｏｆ１６ＳｒＲＮＡｈｉｇｈ￣ｔｈｒｏｕｇｈｐｕｔｓｅｑｕｅｎｃｉｎｇｄａｔａｏｆｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓ.
Ａ：水性涂料样本的序列㊁ＯＴＵ数目分析ꎻＢ：水性涂料样本各分类水平上的序列构成ꎻＣ：水性涂料样本的稀释曲线ꎮ
８
９３生物技术进展ＣｕｒｒｅｎｔＢｉｏｔｅｃｈｎｏｌｏｇｙ
. All Rights Reserved.
据量的增加ꎬ曲线已经趋于平缓ꎬ即再增加数据量对于物种的挖掘也没有显著影响ꎬ样本的ＯＴＵ覆盖度已经基本饱和ꎬ这个结果说明测序结果的数据量渐进合理ꎮ
２.２㊀水性涂料样本的物种分类树分析
为了进一步探究水性涂料样本中微生物落组成多样性及其系统进化关系ꎬ在已获得的所有
ＯＴＵ序列中选取物种丰度最高的１０个属的ＯＴＵ数据进行系统进化分析ꎬ进一步得到４个水性涂料样本间的物种分类树及物种相对丰度统计分析图(图２)ꎮ由图２可知ꎬ在水性涂料样本ＹＨ４㊁
ＸＪ１㊁ＸＪ２和ＹＨ３的微生物落中ꎬ优势菌均是变形菌门(Ｐｒｏｔｅｏｂａｃｔｅｒｉａ)㊁厚壁菌门(Ｆｉｒｍｉｃｕｔｅｓ)和拟杆菌门(Ｂａｃｔｅｒｏｉｄｅｔｅｓ)ꎮ此外ꎬ从图２中可以看出ꎬ三大优势菌的分支较多ꎬ这说明优势菌在水性涂料样本中的基因型呈现多样性ꎮ
图２㊀水性涂料样本的物种分类树统计图
Ｆｉｇ.２㊀Ｃｌａｓｓｉｆｉｃａｔｉｏｎｔｒｅｅｓｔａｔｉｓｔｉｃｓｏｆｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓ.
２.３㊀水性涂料样本的微生物多样性分析
２.３.１㊀Ａｌｐｈａ多样性分析㊀为了对水性涂料样本中的单一样本进行物种多样性分析ꎬ本研究对水性涂料样本的物种(ｏｂｓｅｒｖｅｄｓｐｅｃｉｅｓ)指数㊁香农指数㊁Ｃｈａｏ１指数和谱系多样性(ｐｈｙｌｏｇｅｎｅｔｉｃ
ｄｉｖｅｒｓｉｔｙ)指数等进行了统计分析ꎬ结果如表２所
９９３
马永凯ꎬ等：水性涂料中微生物落结构及其多样性分析. All Rights Reserved.
示ꎮ一般情况下ꎬ评估某个样本的物种多样性的指数越高ꎬ表明样本的多样性越复杂ꎬ反之则表明样本的多样性越简单ꎮ
由表２可知ꎬ水性涂料样本ＸＪ１和ＹＨ３的物种多样性的复杂程度高于样本ＸＪ２及ＹＨ４ꎮ其中ꎬ水性涂料样本ＸＪ１的物种指数(８４６.０)㊁香农指数(６.４００６)㊁Ｃｈａｏ１指数(８６９.８８７９)和谱系多样性指数(６１.５６１２)在４个样本中都是最高的ꎬ说明该样本的微生物落组成最复杂ꎮ其次ꎬ通过比较剩余３个水性涂料样本的相关数据发现ꎬ样本ＹＨ３的物种指数(４７７.０)㊁香农指数(５.００７２)㊁Ｃｈａｏ１指数(５２３.９２８６)和谱系多样性指数(３８.４９８５)高于ＸＪ２和ＹＨ４ꎬ说明样本ＹＨ３的微生物落结构的复杂程度高于ＸＪ２和ＹＨ４ꎮ同时ꎬ通过比较表２中的水性涂料样本ＸＪ２和ＹＨ４可知ꎬ样本ＸＪ２的香农指数(０.９６８０)高于样本ＹＨ４(０.４９８１７)ꎬ说明水性涂料样本ＸＪ２的丰富度和每个分类中所占的比例高于样本ＹＨ４ꎬ但样本ＸＪ２的Ｃｈａｏ１指数(９９.７５００)及谱系多样性指数(８.９３５８)均低于样本ＹＨ４(分别为１５４.２８５７
和１２.９９９６)ꎬ表明样本ＸＪ２的物种多样性低于
ＹＨ４ꎮ综上所述ꎬ经Ａｌｐｈａ多样性指数统计分析ꎬ
可以得出４个水性涂料样本的物种多样性由高到低依次分别为ＸＪ１㊁ＹＨ３㊁ＹＨ４和ＸＪ２ꎮ
２.３.２㊀Ｂｅｔａ多样性分析㊀Ｂｅｔａ多样性是对不同样品间的微生物落多样性进行比较ꎬ可以通过多变量统计学方法主坐标分析(ｐｒｉｎｃｉｐａｌｃｏ￣ｏｒｄｉ￣ｎａｔｅｓａｎａｌｙｓｉｓꎬＰＣｏＡ)和非加权组平均聚类分析(ｕｎｗｅｉｇｈｔｅｄｐａｉｒ￣ｇｒｏｕｐｍｅｔｈｏｄｗｉｔｈａｒｉｔｈｍｅｔｉｃｍｅａｎｓꎬＵＰＧＭＡ)ꎬ进一步从数据结果中挖掘不同样品间微生物落多样性的差异和不同分类对水性涂料样本间的贡献差异ꎮ
以４个水性涂料样本为研究对象ꎬ基于Ｂｒａｙ￣Ｃｕｒｔｉｓ距离来进行主坐标分析ꎬ得到不同水性涂料样本的Ｂｅｔａ多样性的ＰＣｏＡ分析结果(图３Ａ)ꎮ一般情况下ꎬ主坐标分析的二维图中不同样本的距离越近ꎬ说明样本间的物种组成多样性越相似ꎬ由图３Ａ可知ꎬ水性涂料样本ＸＪ２和ＹＨ４聚集在一起ꎬ表明这２个样本之间的微生物落多样性较为相似ꎮ另一方面ꎬ图３Ａ显示第一主成分的贡献率(９４.３８％)远大于第二主成分(５.１９％)ꎬ说明第一主成分坐标相近的样本在微生物落多样性方面也是较为相似的ꎬ可见水性涂料样本ＸＪ１与ＹＨ３也是较为相似的ꎮ
表２㊀水性涂料样本的Ａｌｐｈａ多样性指数分析
Ｔａｂｌｅ２㊀Ａｌｐｈａｄｉｖｅｒｓｉｔｙｉｎｄｅｘａｎａｌｙｓｉｓｏｆｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓ.
样品名称物种指数香农指数Ｃｈａｏ１指数谱系多样性指数
ＹＨ４１０５.００.４９８１７１５４.２８５７１２.９９９６ＸＪ１８４６.０６.４００６８６９.８８７９６１.５６１２ＸＪ２
６１.０
０.９６８０９９.７５００
８.９３５８
ＹＨ３
４７７.０５.００７２
５２３.９２８６３８.４９８
５图３㊀水性涂料样本Ｂｅｔａ多样性主坐标分析(Ａ)和聚类分析(Ｂ)
Ｆｉｇ.３㊀ＢｅｔａｄｉｖｅｒｓｉｔｙａｎａｌｙｓｉｓＰＣｏＡ(Ａ)ａｎｄＵＰＧＭＡ(Ｂ)ｏｆｗａｔｅｒｂｏｒｎｅｃｏａｔｉｎｇｓｓａｍｐｌｅｓ.
０
０４生物技术进展ＣｕｒｒｅｎｔＢｉｏｔｅｃｈｎｏｌｏｇｙ
firmicutes
. All Rights Reserved.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议